2026年初，英伟达CEO黄仁勋在 CES 上喊出"物理AI是第二个拐点"后，世界模型（World Model）成了全球科技巨头的必争之地。
但在这之前，学术界就有很多学者已经意识到， AI 必须理解物理世界的常识，才能真正服务于人类。但随着AI 教母李飞飞，Meta前首席AI科学家、图灵奖得主杨立昆等大佬纷纷投入这一领域，大家逐渐意识到，这是一个比大语言模型更底层、也更难啃的赛道。
当我们在国内寻找这条赛道上的学者和公司时，陈天润进入了我们的视野。
这位2000年出生的在读博士生，在2022年创立魔芯科技，用3D打印机完成从0到1的验证后，于2024年全面转型空间智能。
“造小家电的”、“ 3C产品创业出身”…… 在对谈中，这位00后对自己的介绍极度克制。但实际上，他不仅是一家“估值数十亿”的世界模型领域公司CEO，还是潘云鹤院士的弟子。
不久前，魔芯科技凭借着空间智能与世界模型方面的突破，顺利拿到了华为、联想等巨头联手的数亿元融资，如今，他们对自己的定位是空间智能的基础设施服务商。
在这次对谈里，陈天润一边输出空间智能相关的技术性话题，一边从创业者角度跟我们分享他在商业化方面如何将一秒钟视频生成成本控制在一毛钱以内。
在3D打印的"修罗场"里被卷了五年，我们能看到他拼杀出来的商业化能力，对比很多AI公司，虽然科研很强，但不知道怎么把技术变成产品、怎么控制成本、怎么在供应链里活下来。陈天润的经历和经验值得被挖掘，于是有了这次对话。
以下是陈天润与AI科技评论的对话，AI科技评论作了不改变原意的编辑：
01
造小家电的过程中，意外发现了空间智能的Scaling Law
AI科技评论：外界对魔芯科技的认知还停留在3D打印机，你们这次突然宣布拿到亿元融资，是因为什么？
陈天润：我们之前3D打印机做得不错，在持续研发与研究的过程中，洞察到了空间智能的Scaling Law（规模定律），看到了一条走向高泛化、高通用、可交互、高精度世界模型的路径。
AI科技评论：这项研究成果是什么时候发现的？
陈天润：2024年底，我们在研究3D AI建模时，测试某个网络结构，发现它不仅能把物体生成得很好，空间也能做。而且数据喂得越多，空间重建效果越好，精度和一致性都更好。
这让我们意识到：空间建模可能存在某种Scaling Law。就像大语言模型直到ChatGPT才证明"数据越多效果越好"，在3D领域，过去大家先构建中间表示，也就是类似知识图谱的东西，再生成结果。比如李飞飞的World Labs等，会选择先构建全景图或者先建3D高斯，再用这个去做下游任务。但我们发现，如果去掉这个中间环节，直接端到端训练，模型反而学得更好。
AI科技评论：是什么数据在驱动这个意外发现？
陈天润：3D原生数据，比如图片与3D信息的配对，加上文本描述。我们有个数据团队在专门采集，雇了大量人员在采数据，就跟很多机器人公司雇人采数据一样。
AI科技评论：意思是合成数据和真实数据都用，那比例呢？
陈天润：这里有个"配方"问题。真实数据提供泛化性，但它不准；合成数据准，但不泛化，遇到新场景就得改。我们得像厨师一样调配这个比例，不同训练阶段配方还不一样。
AI科技评论：输血业务一会聊，先说说数据采集成本吧，不少投资人关注这个话题。
陈天润：中国在这方面有成本优势。并且这跟具身智能公司采的数据不完全一样，有重叠部分，也有我们独特的部分。因为最终要服务具身智能场景，所以也会采那些机器人需要的数据。
AI科技评论：你们的世界模型，和市面上其他方案有什么区别？
陈天润：我们是国内首个基于全国产算力（华为昇腾910C）的数分钟级交互式世界模型KOKONI-World。很多行业头部公司的架构，会出现数据喂多效果未必更好的情况。但我们的架构是端到端的，数据规模上去后，空间理解能力会持续提升。
更重要的是模型的可部署性。现在大部分世界模型跑实时视频生成需要10张A100，不可能上到车端。我们能在端侧NPU（比如瑞芯微、地平线芯片）上跑，模型规模压缩到1-2B，不需要背个4090显卡在机器人身上——有些公司宣称端侧部署，结果却是背张显卡。
02
空间智能的战场，在科研也在产业
AI科技评论：端侧VLA的商业场景是什么？
陈天润：两条线。一是具身智能，每个和真实世界交互的终端都应该具备空间智能的感知和理解能力，这个目的是让机器人"看得懂也走得准"。
二是自动驾驶，我们正在跟一些厂商合作，最晚明年就能有我们的模型批量部署。现在的世界模型大多被当成"数据生成器"用，因为跑得太慢。我们能实时跑，就可以直接集成到在线系统里——边感知、边推理、边决策。这是我们觉得非常适合世界模型的应用场景。
AI科技评论：车企怎么评价你们的技术？他们之前用的都是大算力芯片方案。
陈天润：我有个观察，大算力芯片在车上永远有局限。单颗芯片再大，也搞不定10张A100的算力需求。我们的方案是在端侧用相对不错的NPU，让模型能够给现有的系统带来“增加一个传感器”一样的增益。
03
"消费电子的创业经历，教会我们什么叫效率"
AI科技评论：你们从3D打印转型，团队架构怎么调整？
陈天润：打印机业务我们还在做，市场快速增长，但对于我们的转型来说重要性下降了。但消费电子产品的研发、生产制造等经验，对现在特别有帮助。
AI公司很少有干过消费电子的，那是个卷得要命的行业——成本控制、流程控制、项目进度控制、生产进度控制，全有讲究。我们被卷了五年，组织效率被"卷"出来了。现在做世界模型，也用这套方法论：快速迭代、质量控制、工程落地，这也显得我们和其他AI公司不一样的基因和效率。
AI科技评论：具体怎么体现这种效率优势？
陈天润：如果从科研直接下场，那团队就没经历过残酷的商业拷打。我们经历过：2022年就在小米渠道卖3D打印机，众筹600多万，但友商出来后，一切变了——他们研发投入带来的产品代差，直接把市场卷飞了。
这种"被卷过"的经历，让我知道什么叫真正的商业化闭环。现在来做AI赛道，如果手里没业务，我会很慌。我觉得AI或者说世界模型这个领域还是离不开基本商业逻辑，公司的业务可以设置和投资人沟通的"市场部"，也可以留出学术探索空间，但无论如何，要保证在产业里干活，才会让我感到踏实。
AI科技评论：拓竹属于行业中的“卷王”？
陈天润：拓竹做出了足够好的产品，就像戴森用核心技术构建了壁垒，聪明的中国人后面会火速跟进，但第一波冲击扛不住。
AI科技评论：你们可以做“徕芬”啊。
陈天润： 我们一度是3D打印领域的"徕芬"（国产吹风机品牌），更卷的那种。我现在保留了3D打印机的业务。但更重要的是，我们在做“高速吹风机”的过程中，发现了怎么造“行星发动机”（高速电机的核心研发配件，编者注）
AI科技评论：打印机业务还在公司内部吗？（雷峰网(公众号：雷峰网)）
陈天润：现金流业务，我们仍然在为客户提供更多更具性价比的3D打印机选择。
04
“一秒钟一毛钱”的商业化逻辑
AI科技评论：你说你们现在有不少影视娱乐的业务，这和你说的"主航道是世界模型"似乎有落差。
陈天润：世界模型是基座、是能力，影视娱乐只是实际应用的一种。影视娱乐是"杀鸡用牛刀"，但能快速验证模型能力、产生现金流。我们把古画变3D、做AI短剧、文旅项目的沉浸式体验，一秒钟视频成本不到一毛钱，一分钟也就六块钱，传统影视特效做不到这个价。
AI科技评论：为什么这么便宜？
陈天润：因为空间模型将推理步骤在空间中而不是在语言模型中完成，架构的特性导致算力消耗小；另外在国产信创的趋势下，3D渲染、机器人仿真，我们有可以交付的方案。
AI科技评论：还有其他应用吗？（雷峰网）
陈天润：今年晚些时候会有手机终端发布我们的功能。我们真正的想象力在更大的场景：让空间智能成为基础设施，就像DeepSeek是通用基座，上面可以长出医疗大模型、政务大模型。我们的基座能长出端侧VLA、自动驾驶感知、实时3D重建各种应用。
AI科技评论：但你之前说具身智能和自动驾驶都还没真正落地。
陈天润：对，所以我们现在一边疯狂Scaling基础模型，一边用娱乐应用养现金流。乐观地看，在今明两年的时间就会有我们的空间模型算法在具身和智驾系统中落地。
AI科技评论：2026年世界模型会迎来"GPT时刻"吗？
陈天润：学术研究会持续推进，产业落地我不确定。对我们来说，会尽快让更多场景用上我们的模型能力，不管是早期的娱乐应用，还是终局的具身智能、自动驾驶。
学术还是得跟实际产业结合，不能空中楼阁。 这是我们和很多AI公司的区别：我们有打印机业务练出来的商业化能力，知道怎么控制成本、怎么量产、怎么在消费电子的修罗场里活下来。这种"被卷过"的经历，现在反而成了优势。
05
一位00后CEO眼里的行业现状
AI科技评论：你怎么评价现在具身智能领域的创业热潮？
陈天润：热闹。 很多公司堆估值、堆融资。
AI科技评论：怎么看国内世界模型赛道的竞争格局？
陈天润：我感觉中美在这个赛道，有个明显的区别，美国那边，投资人愿意花钱买一张"通往AGI的门票"。
国内大家更保守，更愿意等类似大模型里的"GPT时刻"这样的确定路径出现，但现在世界模型的"Transformer"还没出现，所以大家都在观望。我们在疯狂Scaling，手上的资源和数据都在加码，无论如何，我们愿意尝试。
AI科技评论：如果英伟达明天开源一个更强悍的世界模型，你们怎么办？
陈天润：垂直场景深耕。 我们有他们不具备的优势：全国产算力适配、端侧部署能力、消费电子的工程化经验。Cosmos很好，但它跑在英伟达卡上，在中国车企那里未必好用。我们可以做"中国版Cosmos"，并且这部分我们已经在做了，近期工作会开源。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。